[發明專利]一種基于高級局部感知特征學習的圖像識別方法及系統

在審

• 申請號: 201911028494.3
• 申請日: 2019-10-28
• 公開（公告）號: CN110751159A
• 公開（公告）日: 2020-02-04
• 發明（設計）人: 于治樓;襲肖明
• 申請（專利權）人: 山東浪潮人工智能研究院有限公司
• 主分類號: G06K9/46
• 分類號: G06K9/46;G06K9/32;G06K9/62;G06N3/08;G06N3/04
• 代理公司: 37100 濟南信達專利事務所有限公司
• 代理人: 姜明

本發明公開了一種基于高級局部感知特征學習的圖像識別方法及系統，屬于計算機視覺技術領域。本發明的基于高級局部感知特征學習的圖像識別方法，分為三個部分：第一部分為目標感知區域特征識別，引入注意力機制，定位感興趣區域；第二部分為局部感知特征提取，基于獲取的感興趣的區域特征，引入圖論技術，構建高級局部感知特征；第三部分為識別部分，基于獲得的高級局部感知特征對目標進行識別。該發明的基于高級局部感知特征學習的圖像識別方法能夠有效的獲取目標的高級局部信息，符合人類識別目標的原理，進一步提高識別精度，具有很好的推廣應用價值。

技術領域

本發明涉及計算機視覺技術領域，具體提供一種基于高級局部感知特征學習的圖像識別方法及系統。

背景技術

特征提取是圖像識別、模式識別等領域的關鍵步驟。現有方法主要聚焦于邊緣、灰度、紋理等低層特征的提取。然而人類大腦在識別某個目標時，這類底層特征很少發揮重要作用，大腦主要通過感興趣區域的局部特性進行識別，從而能達到較高的識別精度。因此，如何構造接近人類識別機理的特征圖像識別方法有效提高識別精度，具有重要的研究意義和應用價值。受該工作機制的啟發，本發明提出了一種基于高舉局部感知特征的圖像識別方法，有望提高識別精度。

發明內容

本發明的技術任務是針對上述存在的問題，提供一種能夠有效的獲取目標的高級局部信息，符合人類識別目標的原理，進一步提高識別精度的基于高級局部感知特征學習的圖像識別方法。

本發明進一步的技術任務是提供一種基于高級局部感知特征學習的圖像識別系統。

為實現上述目的，本發明提供了如下技術方案：

一種基于高級局部感知特征學習的圖像識別方法，該方法分為三個部分：第一部分為目標感知區域特征識別，引入注意力機制，定位感興趣區域；第二部分為局部感知特征提取，基于獲取的感興趣的區域特征，引入圖論技術，構建高級局部感知特征；第三部分為識別部分，基于獲得的高級局部感知特征對目標進行識別。

該基于高級局部感知特征學習的圖像識別方法能夠有效獲取目標的高級局部信息，符合人類識別目標的原理，將進一步提高識別精度。

作為優選，該基于高級局部感知特征學習的圖像識別方法具體包括以下步驟：

S1、訓練階段

1)感興趣區域特征識別；

2)高級局部感知特征學習；

3)識別器訓練；

S2、分類階段，將待測試圖像輸入感興趣區域特征學習模型，獲取目標的局部特征，構建局部感知圖，將局部感知圖輸入到訓練好的識別模型中，獲得識別結果。

作為優選，感興趣區域特征識別過程中利用deeplabV3獲得感興趣區域特征的概率圖，即為感興趣映射。

作為優選，高級局部感知特征學習過程中，引入圖論技術，將感興趣映射的每個元素看作圖的一個節點，引入基于信息論的度量學習方法度量每對節點的相似度，構建圖的邊，若每對節點的相似度小于閥值T，則這兩個節點之間沒有邊，構建的圖即為局部感知圖。

基于信息論的度量學習方法即Information-theoreticmetriclearning，ITML。

作為優選，識別器訓練過程中，利用卷積神經網絡作為識別器，處理圖結構特征。

作為優選，分類階段，將待測試圖像輸入感興趣區域特征學習模型，獲得圖像的感興趣映射圖，將感興趣映射的每個元素看作圖的一個節點。

一種基于高級局部感知特征學習的圖像識別系統，該系統包括訓練模塊和分類模塊：

訓練模塊用于在訓練階段進行感興趣區域特征識別、高級局部感知特征學習和識別器訓練；